arXiv · Human-Computer Interaction· Abdul Basit, Saim Rehman, Muhammad Shafique·· 3 小时前AI 评分20
ThinkNet：面向高效运动想象 EEG 分类的演化深度集成
ThinkNet: Evolutionary Deep Ensembles for Efficient Motor-Imagery EEG Classification
AI 导读
ThinkNet 是一个验证受控框架，结合仅训练集归一化、验证引导的演化搜索与验证门控推理，为留出被试选择紧凑解码器与推理策略。固定基准中，验证选出的紧凑解码器以 4.9K 参数、19 KB FP32 权重、0.99 ms batch-1 Orin CUDA 推理达到 44.35±15.41% 准确率；更广搜索中 ≤25K 参数模型平均留出准确率 40.10%，高于中大型方案。
来源：arXiv · Human-Computer Interaction · arxiv.org